[发明专利]图像中的对象的自动分类

说明书

背景

图像的自动分类随着由网页提供的图像数量的日益增长而变得愈发重要。 图像的分类具有许多不同的应用。例如，提供图像搜索的搜索引擎服务可试图 对图像进行分类以使得搜索更高效且更有效。该搜索引擎服务可以将图像分类 成图像分类的分层结构(例如，地理、北美、美国等等)。该图像搜索引擎服 务可允许用户同时指定搜索请求(或查询)和感兴趣的图像分类(例如，查询 “日落”和分类“北美”)。该图像搜索引擎服务然后能够将其搜索限于所指 定的分类中的图像。其中图像的分类可能是有用的另一示例是web市场。web 市场系统可允许许多不同的零售商为其产品作广告并销售其产品。零售商可提 供其产品的数据库，其可包括对于每一产品的定价信息、产品描述和产品图像。 不同的零售商可以按不同的方式来描述产品以使得市场系统难以正确地对可 销售产品进行分类。如果该市场系统能够通过分析产品图像来有效地标识分 类，则该市场系统就能够使用该分类来帮助对产品进行分类。

许多不同的技术已被应用于对图像进行分类。某些技术基于图像附近的文 本来对图像进行分类。例如，网页可包括图像的标题和描述性文本。这些技术 的准确性不仅取决于正确地标识标题及相关联的描述性文本的能力，而且取决 于该标题和描述性文本在表示该图像方面的准确性。由于各种各样的网页格 式，可能难以标识关于图像的文本。同样，关于图像的文本可能给出有助于分 类的非常少的信息。而且，这些技术在各零售商使用不完整的、有歧义的、及 不正确的描述时对于市场系统并不是特别有用。其他技术基于图像本身的内容 来对图像进行分类。这些技术被称为基于内容的图像检索(“CBIR”)系统。 CBIR系统试图基于诸如颜色、形状和纹理等特性来对图像进行分类。不幸的 是，CBIR系统的精度并不令人满意，因为难以从图像的低级特性中标识分类。

概述

提供了一种用于对目标图像的对象进行分类的系统。分类系统提供分类图 像集合以及图像的主要对象的分类。分类系统试图基于目标图像与分类图像的 相似性来对目标图像的对象进行分类。为了对目标图像进行分类，分类系统标 识与目标图像最相似的分类图像。分类系统将目标图像和分类图像的显著点之 间的相似性作为相似性的基础。分类系统通过特征向量来表示每一个显著点并 且使用距离度量来确定特征向量之间的相似性。分类系统使用从特征向量的距 离度量中导出的相似性度量来确定目标图像和分类图像之间的相似性。分类系 统将与同目标图像最相似的分类图像相关联的分类选为对目标图像的对象的 分类。

提供本概述以便以简化的形式介绍将在以下详细描述中进一步描述的一 些概念。该概述不旨在标识所要求保护的主题的关键特征或必要特征，也不旨 在用于帮助确定所要求保护的主题的范围。

附图简述

图1是示出在一个实施例中的分类系统的组件的框图。

图2是示出在一个实施例中的特征向量/分类图像存储的逻辑表示的框图。

图3是示出在一个实施例中的分类系统的标识图像分类的在线组件的总 体处理的流程图。

图4是示出在一个实施例中的分类系统的在线组件的找出匹配图像组件 的处理的流程图。

图5是示出在一个实施例中的分类系统的在线组件的找出候选图像组件 的处理的流程图。

图6是示出在一个实施例中的分类系统的在线组件的计算相似性组件的 处理的流程图。

图7是示出在一个实施例中的分类系统的在线组件的选择分类组件的处 理的流程图。

详细描述